Notre glossaire, méticuleusement élaboré, est votre boussole dans l’univers complexe et dynamique du marketing, de la communication et du digital. Ici, chaque terme est une clé que nous vous aidons à décrypter pour vous ouvrir a des concepts innovants et des stratégies éprouvées. Plongez dans nos thématiques pour éclairer votre chemin vers l’excellence et la créativité.
L’analyse des correspondances multiples (ACM) est une méthode statistique d’analyse factorielle qui résume les relations entre plusieurs variables qualitatives, observées sur un ensemble d’individus, sous forme de cartes de faible dimension.
Elle s’applique typiquement aux réponses à un questionnaire : chaque question fermée est une variable, chaque réponse possible une modalité. Après codage des données, les réponses sont rangées dans un tableau disjonctif complet, qui compte une colonne par modalité et indique par 1 ou 0 la réponse de chaque individu. L’ACM cherche ensuite des axes, appelés facteurs, qui résument au mieux la dispersion de ce tableau, mesurée par l’inertie. Elle représente sur ces axes à la fois les individus et les modalités.
La lecture repose sur la part d’inertie de chaque axe, les coordonnées des modalités, leurs contributions à la formation des axes et la qualité de leur représentation. Deux modalités bien représentées et proches sur la carte sont choisies par des individus aux profils de réponses semblables ; si elles appartiennent à deux questions différentes, elles sont souvent choisies par les mêmes individus. Deux individus proches ont donné des réponses semblables. La méthode est descriptive : elle met en évidence des structures et permet de détecter et d’illustrer les relations entre variables, sans tester d’hypothèse causale.
L’ACM généralise l’analyse des correspondances simple, qui croise seulement deux variables qualitatives. Elle se distingue de l’analyse en composantes principales, qui traite des variables quantitatives ; les deux relèvent de l’analyse factorielle. En études marketing, elle sert à explorer des enquêtes d’usages et d’attitudes, à nourrir une étude de positionnement de marque et à préparer une analyse des clusters qui aboutit à une typologie de clients.
Une enquête de trente questions fermées autorise plusieurs centaines de tris croisés deux à deux. Personne ne peut tous les lire. L’ACM condense ces croisements en quelques cartes qui montrent quelles réponses vont ensemble. Elle sert surtout à formuler des hypothèses : profils de clients, oppositions d’attitudes, associations entre usages et perceptions. Notre conseil : la traiter comme un outil d’exploration, puis vérifier les structures repérées par des tris croisés et des tests ciblés.
Les pourcentages d’inertie des axes déroutent souvent les lecteurs habitués à d’autres méthodes. Dans une ACM, ils sont faibles par construction. P. Cazes le rappelait en 1980 dans Les Cahiers de l’analyse des données : les taux d’inertie d’un tableau disjonctif complet sont faibles. Un premier axe qui ne résume qu’une petite part de l’inertie peut donc porter une structure forte. Des corrections de ces taux existent dans la littérature spécialisée. Nous recommandons de juger un axe sur sa stabilité et son sens, pas sur son seul pourcentage.
La proximité de deux points se lit avec prudence. Elle n’a de sens que pour des points bien représentés sur le plan observé, ce qu’indique leur qualité de représentation. Pour relier individus et modalités, retenez une propriété utile : une modalité se situe, à un coefficient près, au barycentre des individus qui l’ont choisie.
Advalians confronte les enseignements de vos enquêtes à votre positionnement, identifie les écarts de perception et formule des recommandations partagées.
L’ACP, ou analyse en composantes principales, traite des variables quantitatives, comme des notes ou des montants. L’ACM traite des variables qualitatives, comme des réponses à choix unique. Les deux relèvent de l’analyse factorielle et produisent des cartes, mais elles ne résument pas la même chose : des corrélations dans un cas, des associations entre modalités dans l’autre.
Si votre questionnaire mélange les deux types, découpez les variables quantitatives en classes pour les intégrer à une ACM, ou recourez à une méthode factorielle conçue pour les données mixtes.
Prévoyez l’ACM dès la conception. Regroupez les questions destinées à construire les axes autour d’un même thème, avec des réponses à choix unique et des modalités bien distinctes. Évitez les modalités qui seront très rarement choisies, ou prévoyez leur regroupement.
Fixez le codage des données avant le terrain. Gardez les variables descriptives, comme l’âge ou la région, pour une projection en variables supplémentaires. Dimensionnez enfin l’échantillon : avec trop peu de répondants, chaque modalité repose sur une poignée d’individus et la carte devient instable.
Partez des contributions : un axe se nomme d’après les modalités qui contribuent le plus à sa formation, en regardant ce qui s’oppose de part et d’autre de l’origine. Vérifiez ensuite la qualité de représentation des points avant de commenter leur proximité. Projetez les variables descriptives en supplémentaires pour savoir quels profils se situent où.
Ne jugez pas un axe sur son pourcentage d’inertie, faible par construction dans une ACM. Testez enfin la stabilité : si un axe disparaît quand vous retirez une modalité rare, il ne décrit pas une structure solide.
La plus répandue consiste à commenter la proximité de deux points sans vérifier qu’ils sont bien représentés sur le plan : deux points proches à l’écran peuvent être éloignés sur les autres axes. Deuxième erreur : conclure à une cause à partir d’une association. Troisième erreur : étendre à toute la population une structure observée sur un échantillon non représentatif.
Pour les éviter, joignez la qualité de représentation en annexe du rapport. Confirmez aussi chaque association commentée par un tri croisé sur les données brutes.
Utilisez l’ACM quand vous avez de nombreuses variables qualitatives et que vous cherchez une vue d’ensemble : profils de répondants, oppositions d’attitudes, préparation d’une typologie. Restez aux tris croisés quand la question porte sur deux ou trois variables précises, quand le public du rapport ne lit pas les cartes factorielles ou quand l’échantillon est réduit.
Dans la pratique, les deux se combinent. L’ACM repère les structures, puis les tris croisés les confirment et les chiffrent pour la restitution. Une analyse des segments de consommateurs peut ensuite s’appuyer sur ces résultats.
Par Thomas Bizot – Président du cabinet Advalians
